【图分析】中心性算法

中心性算法用于理解图中特定节点的作用及其对网络的影响。这些算法可以帮助我们了解群组动态，例如可信度、可访问性、事物的传播速度以及群组之间的“桥梁”等。

中心性算法简介

度中心性算法：可作为连通度的基准指标。
接近中心性算法：用于度量节点在群组中的中心程度。
中间中心性算法：用于寻找控制点，包括一种近似的替代方法。
PageRank算法：用于了解总体影响，包括流行的个性化选项。

度中心性算法

度中心性算法用于研究输入关系和输出关系的数量来分析影响程度。

val total_degree = graph.degrees
val in_degree=graph.inDegrees
val out_degree=graph.outDegrees
val data = total_degree.join(in_degree)

接近中心性算法

发现处于有利位置的个体，以控制和获取组织内的重要信息和资源。
（Valdis E. Krebs，《Mapping Networks of Terrorist Cells》）

在远程通信和数据包传递中作为估算到达时间的启发式函数，使要传递的信息通过最短路径流向预定义目标。该算法也可用于揭示通过所有最短路径同时进行传播的情形，例如通过局部社团扩散感染。（Stephen P. Borgatti，《Centrality and Network Flow》）

以基于图的关键短语抽取过程为基础，评估单词在文档中的重要性。（Florian Boudin，《A Comparison of Centrality Measures for Graph-Based Keyphrase Extraction》）

接近中心性算法在计算所有节点对之间的最短路径的基础上，还要计算它到其他各节点的距离之